旅游市场预测篇1
关键词：旅游市场；需求预测；方法
abstract：tourismdemandandconsumerbehaviorarebothimportantissuesunderresearchinchina'stourism.inthisregardtherehavebeenplentyofachievementsbynow.thispaperreviewstheresearchesconcernedintherecent30yearsandgeneralizestheforecastingmethodsforthereferenceofdevelopingchina′stourism.
keywords：tourismmarket；demandforecast；method
一、引言
旅游需求是旅游市场形成的根本基础，没有旅游需求，旅游市场就无从谈起，旅游产品的价值也就无法实现。因此，对某地旅游产品的需求量是旅游目的地旅游管理部门、旅游企业(景区、旅行社等)和旅游从业人士都十分关切的重要问题。旅游需求的重要性说明，任何一个国家或地区在发展旅游业时，都必须以人们对该国或该地区旅游产品的需求为依据，在此基础上有针对性地开发旅游产品，合理地规划和控制旅游业的开发规模和发展速度，以实现发展区域旅游业的最佳效益。对旅游者需求研究特别是对其消费行为的研究非常重要，中国的旅游业发展需要这方面的研究来指导实践。而消费者的需求和消费行为也随着社会发展不断变化，需要业界不断地追踪研究，与时俱进。旅游者需求与消费行为将始终是中国旅游研究的前沿问题[1]。我国的学者一直以来十分重视这个问题的研究，进行不断地探索，取得了一定的研究成果。
随着我国旅游业的不断发展，旅游活动对社会的影响不断加大，关于旅游需求的研究开始向更深的层次展开，很多不同领域的学者开始介入到旅游需求的研究之中。从旅游目的地的角度研究旅游需求可以指导目的地的旅游产品的开发与规划、旅游企业经营策略，为旅游资源开发与规划等提供科学的依据。
二、旅游市场需求预测研究中的统计分析
利用中国期刊网搜索，从研究内容进行选取，共有137篇文章来探索旅游市场需求预测问题。王铁生(1984)首先发表文章探讨杭州国内旅游需求预测[2]。而1985年12月通过鉴定的《北京旅游发展战略》，其中包含了客源市场调查研究篇幅，从内容上看，包括了客源市场预测、市场发展战略、旅游者行为分析等；从方法上看，使用了大规模的问卷抽样调查，并进行了旅游市场预测研究，在全国具有领先意义[3]。从此开始，我国学者对旅游需求预测进行不断研究和探索。
(一)文献数量统计
从文献的时间动态分布统计中看出(见图1)，我国学者从20世纪80年代中期开始进行旅游市场需求预测研究，在20世纪80年代仅有4篇相关文献。而持续进行此方面的研究始于20世纪90年代中期。我国学者陆续开始进行旅游市场需求预测的研究。从1996-2004年，文献数量基本持平，但总体上略有递增趋势。近几年(2005-)有关旅游市场需求预测的研究又有新的增长，而且增幅很大，尤其是2005年达到15篇，是2004年的3.75倍，2006年达到了20篇，2007年截至到7月份已经有19篇文献，可见我国对旅游市场需求预测的研究真正兴起于最近几年。
(二)研究方法分类统计
国内对旅游需求预测的研究主要是在借鉴国外旅游需求预测方法的基础上做更进一步的探索与分析，不少学者对旅游需求预测方法改进做了大量研究[4]。笔者参考了任来玲(2006)的旅游需求预测分类[5]，将137篇文献按照研究方法进行分类。从传统的研究方法来看，有60.1%的文献采用，其中有15.2%的文献采用了定性研究方法，有44.9%文献采用了定量研究方法，所有的传统研究方法中回归模型的应用最多，达到了24.6%；有39.9%的文献采用了人工智能方法，在人工智能方法中，灰色系统研究方法应用最多，达到了19.6%。
三、旅游市场需求研究轨迹分析
在对137篇文献进行总体统计分析的基础上(结合表1和图1)，根据我国旅游市场需求研究的具体情况，从研究发展的轨迹来看，可以划分为三个阶段：第一个阶段为20世纪80年代，我国的旅游研究起步于改革开放以后的20世纪70年代末期，这个旅游研究处于起步阶段，一直到20世纪80年代末期，我国对旅游市场需求预测的研究仅有很少的学者介入，研究成果很少；第二个阶段为20世纪90年代，我国的旅游研究蓬勃发展，有较多的学者开始对旅游市场需求预测进行研究，从内容和方法都有一定的扩展；第三个阶段为2000年以来。2000年以来，我国的旅游市场需求预测研究在数量上和研究方法上都出现了比较大的变化，虽然回归模型仍然是主要的研究方法，但是已经从简单的一元回归向多元回归、指数回归、多项式回归转变，新的研究方法引入、如神经网络、粗集理论开始应用到旅游市场需求预测之中，而且多种方法的综合应用研究也不断地增加。
(一)零散的摸索起步阶段(20世纪70年代末-80年代末)
在此期间共有5篇相关文献。从研究方法的时间演进看，我国的旅游市场需求预测研究在1990年以前，我国的学者开始进行旅游市场需求预测研究的摸索，在研究方法上主要使用传统的研究方法，虽然以定量方法为主，但是利用的定量方法比较简单，回归模型都是使用了简单的一元线性回归方法，而且都以国民人均收入为自变量。
这一阶段代表性成果有王铁生，葛立成(1984)利用铁路运输、公路运输、水运和空运发送人次对杭州旅游人次进行匡算，并指出了其中的误差。在对杭州市旅游市场需求进行预测中，认为经济发展是衡量国内旅游发展的重要因素，因此，其利用人均国民收入作为自变量用一元回归模型进行旅游市场需求预测。同时为了弥补第一种方法的不足，又使用了指数方程(时间序列)进行了预测。文章最后指出旅游增长率高于人均国民收入增长率[2]。叶涛(1986)首次提出运用计量经济学的方法进行旅游市场需求预测。文章提出了黄山客流量模型，文章使用了回归和滑动平均结合模型对黄山旅游市场需求进行了预测[6]。韩德宗(1986)首次将引力模型和旅行发生模型引入国内，并进行了介绍、分析[7]。
(二)稳定的探讨成长阶段(20世纪90年代)
在这一阶段，旅游市场需求研究文献数量相比较第一阶段有了很大的提高，在研究方法上也出现多元化，特尔菲法、arima模型和灰色系统都第一次运用到旅游市场需求预测之中，但回归模型和时间序列仍然占有主导地位。研究出现了从简单单变量分析向复杂的多变量分析、静态模型向动态模型、单一方法向方法综合发展，多种学科(如数学、地理)开始介入到研究之中的变化趋势。
一些新的预测方法、模型应用到旅游市场需求预测之中。保继刚(1992)首次运用修正引力模型对北京市6月份国内游客预测模型，并指出模型的使用范围，在我国使用引力模型存在数据问题，要使用引力模型进行旅游市场需求预测必须有些解决旅游数据获取[8]。张洪明(1995)首次将灰色理论应用于旅游市场预测之中，建立了引入残差信息的灰色预测模型，指出灰色建模不需要大量原始数据，不存在误差积累，和概率统计、回归模型比较具有精度高的特点，适合用于中长期旅游市场需求预测[9]。赵西萍，王磊，邹慧萍(1996)对国际上旅游市场预测方法进行了综述，并提出了旅游需求预测的发展趋势——与经营管理过程相融合的预测方法[10]。魏启恩，刘新平(1997)引入随机时间序列arma，arima模型分析方法，建立了西安境外游客的arima动态预测模型[11]。
这一阶段一些综合性的组合方法开始出现，如周建设，刘新平(1996)选用了逻辑斯缔曲线模型，选用常规的线性回归和三次曲线模型等7种模型对昆明入境游客进行预测，通过比较分析发现带虚拟变量的线性回归模型和指数曲线模型较优。并利用7种预测模型进行了组合预测[12]管宁生，杨丽，王建平(1998)利用指数模型和特尔菲法对鹤庆县旅游市场进行了预测[13]。
(三)快速的发展整合阶段(2000年-)
2000年以来，我国对旅游市场需求预测的研究进入了新的阶段，目前有108篇成果出现，远远多于前20年的总和，由此来看，对于旅游市场需求预测的研究成为了旅游研究的热点之一。随着经济学的介入和人工智能理论的成熟以及在各行业的广泛应用，旅游研究者将计量经济方法、神经网络、灰色模型等这些方法引入旅游业，并进行了旅游需求模型和预测研究的有益探索。在旅游市场需求研究中尝试将新的研究方法于最新的研究结合和整合运用，研究方法逐渐精细化，这样得益于旅游需求理论的不断提升，旅游建模和预测方法也经历了比较大的变化。
李峰，孙根年(2006)应用旅游本底趋势线的概念和方法研究了2003年“sars”对我国的旅游的影响[14]。吕连琴，王世文(2000)通过定性与定量相结合的方法，分析了小浪底国内客源市场的趋势和走向，还尝试采用了趋势分析法、专家咨询法、分级累计法、平均值法等多种预测方法，对小浪底旅游区国内旅游市场进行了深入的分析与预测[15]。田喜洲(2001)对重庆市美国旅游客源市场进行了详细分析，并通过建立指数方程预测模型预测了重庆市未来3年的美国游量[16]。张启敏，汪文帅(2002)采用hammerstein模型对宁夏2006年的旅游需求量进行预测、并对该模型进行了修正，同时指出在小样本条件下hammerstein模型是一个非线性模型[17]。吴江，黄震方(2004)运用logistic曲线对旅游地生命周期的发展阶段进行模拟，并应用stellii语言建立了模型，代入一定的数据进行处理，模拟旅游产品生命周期曲线，并对这一曲线的主要影响因素进行了讨论，得出旅游市场预测的非线性规律，并讨论回头客对旅游地持续发展的重要性[18]。王娟、曾昊(2001)研究了人工神经网络(artficialneuralnetworks)在旅游市场预测的应用及其重要性[19]。郑江华，刘平(2001)利用线性组合预测方法对新疆国际旅游客源量进行了预测[20]。张立生(2004)研究了影响旅游需求的因素，并对经济、人口和交通因素分别进行分析，建立了预测模型，预测了我国2005年和2010年的国内旅游人次和旅游收入[21]。刘颂(2003)利用gm(1，1)模型对旅游地客源市场动态预测方法进行了探讨[22]。曹霞(2006)在分析上海市2000年1月—2004年9月旅游市场动态变化时序数据的基础上，采用博克斯-詹金斯(b-j)方法预测了2004年4月—2004年9月间上海市旅游客流的发展变化趋势[23]。谭频频等(2006)建立基于月度数据的桂林漓江旅游航班、运量及游客的需求预测模型，运用指数平滑、sarima和elman人工神经网络3种方法，并采用平均绝对误差(mae)、均方差百分比误差(rmse)和平均绝对百分比误差(mape)评价模型预测效果。预测实例表明elman神经网络模型更能反映时间序列的波动性，更适合桂林漓江旅游需求预测[24]。
四、结语
综上所述，可以看出国内对旅游市场需求预测的研究具有以下特点：
第一，从研究方法来看，国内在对旅游市场需求预测的研究过程中仍然偏重于定量研究方法(模型)的使用和探索，但是，研究成果具有一定的相似性。近年，开始注重定量与定性方法相结合以及一些方法的综合运用，预测方法正由单一化逐渐向综合化方向发展。但是和国外的研究相比较，虽然研究方法日益丰富，但是研究零散，缺乏系统性，没有形成体系，因此，对于研究方法的理论探讨和体系形成需要不断地努力。
第二，从研究对象和研究内容来看，国内旅游市场需求预测研究方面着重现象的统计描述，利用模型进行过程和机制分析较少；针对某一消费者群或旅游目的地的实证分析较多，对基础理论与方法论的探索少；强调个案研究多，以个案推导整体的做法不够严谨，样本质量和代表性存在问题，研究结论不具备普遍指导意义。在研究中对于旅游市场需求预测的目的和意义认识不够，对于预测过程和结果的分析不足，致使其实用价值受到很大影响。
参考文献：
[1]范业正.旅游者需求与消费行为始终是旅游研究的前沿问题[j].旅游学刊，2005，20(3)：10-11.
[2]王铁生，葛立成.对来杭国内旅游者的动态分析[j].浙江学刊，1984(4)：7-13.
[3]http：///expert/user1/27/archives/2005/458.shtml[eb/ol].
[4]欧阳润平，胡晓琴.国内外旅游需求研究综述[j].南京财经大学学报，2007(3)：80-83.
[5]任来玲，刘朝明.旅游需求预测方法文献述评[j].旅游学刊，2006(8)：90-92.
[6]叶涛.黄山旅游市场的分析和预测[j].数量经济技术经济研究，1986(2)：63-68.
[7]韩德宗.旅游需求预测重力模型和旅行发生模型[j].预测，1986(6)：66-67.
[8]保继刚.引力模型在游客预测中的应用[j].中山大学学报(自然科学版)，1992(4)：133-136.
[9]张洪明.森林旅游客流量引入残差信息的灰色预测[j].四川林勘设计，1995(4)：29-33.
[10]赵西萍，王磊，邹慧萍.旅游目的地国国际旅游需求预测方法综述[j].旅游学刊，1996(6)：28-32.
[11]魏启恩，刘新平.西安市境外游客动态预测模型[j].陕西师范大学学报(自然科学版)，1997(2)：67-71.
[12]周建设，刘新平.昆明境外游客市场预测探讨[j].陕西师范大学学报(自然科学版)，1996(4)：75-79.
[13]管宁生，杨丽，王建平.鹤庆县旅游市场分析与预测[j].社会科学家，1998(增刊)：105-108.
[14]李峰，孙根年.基于旅游本底线法(tblm)的旅游危机事件研究——以2003年“sars”事件为例[j].人文地理，2006(4)：102-105.
[15]吕连琴，王世文.黄河小浪底旅游开发的国内客源市场分析与预测[j].地域研究与开发，2000(4)：93-96.
[16]田喜洲.重庆市美国客源市场分析、预测与开发对策[j].重庆商学院学报，2001(3)：18-20.
[17]张启敏，汪文帅.宁夏旅游需求量的预测[j].信阳师范学院学报(自然科学版)，2002(2)：162-165.
[18]吴江，黄震方.旅游地生命周期曲线模拟的初步研究—logistic曲线模型方法的应用[j].地理与地理信息科学，2004(5)：91-94.
[19]王娟，曾昊.人工神经网络——一种新的旅游需求预测系统[j].旅游科学，2001(4)：24-27.
[20]郑江华，刘平.新疆国际旅游客源量的线性组合预测[j].交通运输系统工程与信息，2001，1(2)：140-143.
[21]张立生.我国国内旅游市场规模分析与预测[j].地域研究与开发，2004(1)：59-61.
[22]刘颂.旅游地客源市场动态预测方法探讨[j].曲阜师范大学学报，2003(4)：107-110.
旅游市场预测篇2
（一）北碚区旅游资源概况。北碚拥有十分丰富而又独特的自然和人文旅游资源，旅游开发潜力巨大。北碚是著名的重庆"都市花园"，境内山岳江河，温泉峡谷，溪流瀑布，奇葩异卉，展示了巴山蜀水幽、险、雄、奇的特色。有、缙云山、北温泉、金刀峡等旅游资源185处。拥有国家aaaa级景区3个，国家aaa级景区1个，国家aa级景区1个。北碚是重庆的"历史文化名城"，有中共西南局夏季办公旧址（院和小平旧居）、复旦大学旧址、张自忠烈士陵园、卢作孚纪念馆以及晏阳初、梁实秋、老舍等文化名人故居等文物景点104处。北碚是恐龙之乡，已发掘恐龙化石遗址13处。北碚静观镇是中国花木之乡和中国腊梅之乡，静观腊梅名扬海外。北碚还是登山健身休闲圣地，长约10公里的"m"型缙云山健身登山梯环道成为重庆市民登高健身的胜地。
（二）数据采集
1.问卷的设计。研究主要采取问卷调查的方式调查对象为到北碚旅游的游客。问卷主要涉及游客背景、游客地域结构、游客的时间结构等内容。共设计了20个问题，其中单项选择问题11个，多项选择问题3个开放性问题2个，填空题4个。
2.样本的发放与回收。本次问卷调查与2012年4月27日—4月29日进行，分别到北碚区车站、以及缙云山、解放碑等地进行了随机抽样调查。样本数量设计主要根据样本数计算公式获得：n=4(σ2/β2)n——样本数；β——允许的误差；σ2——母体的均方差，由于母体的均方差不可知，因此运用样本的全距来估算标准差，即σ≈全距/4。经过计算结合实际经验确定调查的样本数为100，其中发放实地问卷50份，网络问卷50份，共回收95份，回收率95%。
二、调查结果分析
（一）游客背景分析
1．年龄结构分析。通过对北碚游客年龄的调查统计，15—44岁的中、青年游客所占比重很大，80％以上。而14岁以下、45—65岁、65岁以上的游客所占比例很小，都不超过10％。
2．职业结构分析。各个景区的游客，从事职业种类多样，但总体来说，学生较多，占到了40％左右。其他如工人、政府工作人员、专业技术人员、商贸人员也占有一定比例，各在在10％左右。
3、游客收入水平。通过抽样调查分析，到北碚的游客收入在各个水平都有所分布。其中略多一些的是月收入在2000—4000元之间的游客约占40％的比例。由于调查过程中游客大部分不愿意透漏自己的真实收入水平，因此上述数据真实性有待进一步考量。
（二）游客地域结构分析。来北碚的游客多数为本地游客。来北碚的游客多为本地游客,包括北碚区、重庆市其他主城区以及其他区县等地区，约占全部游客的80%。来自邻省和国内其他省、市、区的游客所占比例很小，大都在20％以下,且主要为四川成都、陕西西安、等邻近省市的游客。来自北方和西北的游客几乎没有。
（三）游客时间结构分析
1．季节性变化分析。游客都倾向于选择春夏季到景区游玩，52.6％的游客都选择夏季来北碚避暑消夏，其次是春季。只有10％左右的游客选择冬季旅游。
2．停留时间分析。有70％左右的游客在景区的停留时间较短，多为当天返还。这说明到北碚旅游的游客多为一日游或者两日游。
（四）消费结构分析。通过抽样调查在北碚旅游的游客平均每人每天消费主要集中在200元以下，而消费高于200元/天的游客所占比例很小，在15％左右。说明游客在北碚区的总体消费偏向中等偏低水平。游客在旅游的消费中用于交通、餐饮、游览、购物的费用占据了总消费的很大份额。用于娱乐和住宿的费用比较少。
三、北碚区旅游市场预测
1、旅游者人数预测。旅游者人数预测以2010年为基期，2015年为预测期，通过比率法，根据历史资料和过去的增长率来推算未来预测值，预测公式为：
Qi=α(1+β)i式中，Qi表示第i年的客源人数规模；α表示预测基年值；β表示年增长率。其中2010年该区接待游客1200万人次，年均增长30%，通过公式计算，预计到2015年，旅游接待人次将达到4000万以上。
2、旅游收入预测。旅游收入预测以2010年为基期，2015年为预测期，通过比率法，利用上述公式计算，2010年旅游综合收入32.86亿元，年均增长近40%，预计到2015年，旅游综合收入达到140亿元以上。
3、人均停留时间预测。对于人均停留时间的预测，由于数据采集不当，预测采取估算保守方式，预计主要为一日游或者停留两日，随着住宿业的完善，游客停驻的时间将会延长。
4、人均旅游消费水平预测。目前人均消费水平为200元或以下，随着居民的生活水平和收入水平的提高而变化。预计未来是上升的趋势。
四、建议
1、加强旅游形象宣传力度。根据调查显示，北碚地区游客多为重庆本地人，旅游市场距离短，辐射半径较小。针对该问题，笔者认为，明确北碚地区的旅游形象设计，通过网络、电视、杂志等的加强宣传力度，或者利用名人代言来提高知名度，从而吸引更多的外地游客。
2、加强旅游资源的整合，打造精品旅游业。北碚地区旅游资源种类较多，观赏游憩价值和历史文化科学艺术价值较高，但是由于没有良好的旅游规划，缺乏专业技术工作人员，没有将食、住、行、游、购、娱六大旅游业基本支撑要素进行有效的整合，导致旅游业发展无法形成良好的产业集聚效应。因此，只有加强旅游产品的打造，形成规模集聚效应，才吸纳更多的旅游业就业人员，产生乘数效应，进而推动旅游收入的快速增长。
参考文献：
[1]《2015年北碚区力争旅游综合收入统计预测分析》.
旅游市场预测篇3
关键词：旅游需求；混合模型；预测
旅游需求预测在旅游业的发展中具有重要的作用，正确的预测是进行科学决策的依据。目前，常见的需求预测方法有传统预测法和神经网络预测法两大类。传统预测法主要有：时间序列预测法和因果预测法。人工神经网络具有极强的非线性逼近、大规模并行处理、自学习、自组织和容错能力等优点，对解决非线性问题有着独特的先进性。旅游市场很难单纯用一种模型进行预测，混合预测本质上是将各种单项预测看作代表不同信息的片段，通过信息的集成分散单个预测特有的不确定性和减少总体不确定性，从而提高预测精度。
本文提出了一种基于aRima和Bp神经网络组合模型进行游客量预测的方法。aRima模型描述历史数据的线性关系，Bp神经网络模拟数据的非线性规律。采用1995～2004年陕西省接待入境游客人数统计数据，建立aRima和Bp神经网络组合预测模型，并利用该模型对2008～2013年陕西接待入境游客量进行了预测。
一、Bp神经网络原理
人工神经元作为一种简单的处理器可以将到来的信号进行加权求和处理，其通用表达式为：y=■wixi+b①
①式中，x1，x2，…，xn表示输入值；w1，w2，…，wn表示权重；b表示阈值，y表示神经元的输出。Bp神经网络，即多层前馈式误差反传神经网络，通常由输入层、输出层和若干隐含层构成，每层由若干个节点组成，每一个节点表示一个神经元，上层节点与下层节点之间通过权连接，层与层之间的节点采用全互连的连接方式，每层内节点之间没有连接，典型的Bp神经网络是含有一个隐含层的三层结构网络（如图1）。n个输入信号从输入层进入网络，经激励函数变换后到达隐含层，在经过激励函数的映射变换到输出层构成m个输出信号。
设神经网络有n个输入神经元，m个输出神经元和p个隐层神经元，则神经元的输出为：
输出层神经元的输出为：
激励函数通常采用S型函数，如：
式中Q为调整激励函数形式的sigmoid参数。
二、aRima模型原理
自回归积分移动平均方法（aRima）把回归分析应用于时间序列，又不同于通常因果分析中的普通最小二乘法。对于有趋势的非平稳时间序列，经差分后消除其趋势，满足平稳条件，再使用B-J方法，即aRima模型。
aRima时间序列预测的建模过程如下所述：
第一，样本预处理：aRima模型要求时间序列是平稳随机过程，建模之前需检验时间序列数据的平稳性。
第二，模式识别：非平稳的时间序列经过差分变换后，aRima建模的关键是确定阶次。
第三，模型检验：对所建立的模型适用性进行检验，若模型误差εt是白噪声，则建模获得通过，否则需要重新进行定阶和参数估计。
第四，预测：对平稳化的时间序列进行预测。
三、混合模型
混合预测模型的建立思路为：先使用aRima模型预测，这样数据的线性规律由aRima模型描述，非线性规律包含在了预测误差中，然后用Bp神经网络预测aRima模型的误差，预测非线性规律。最后用aRima的预测结果与Bp神经网络的预测结果相加得到混合预测模型的预测值。这样可以同时考虑接待游客量历史数据中的线性趋势和非线性趋势，比单纯使用Bp神经网络和aRima模型的精度高。
四、游客量预测的aRima模型建立过程
（一）接待游客量历史数据的平稳化
图2为陕西省1995～2004年接待入境旅游人次数据的时间序列趋势图和差分处理后的转换图。
图2中（a）为未经变量转换图，由图可知接待游客人数总的趋势是逐渐增加，但在2003年由于非典的原因，数据下降趋势剧烈，因此2003年属于非正常年份，用2002与2004年接待人数的平均值代替2003年数据，剔除非正常年份值的时间序列如图（b）所示。由图（b）可以看出序列的增长幅度不同，这说明该时间序列即存在上升趋势又存在方差不齐。因此，需要对其进行平稳化处理。图（c）、（d）为进行了一次差分和取自然对数后一次差分的转换图，由图（d）可以看出，原变量经过自然对数一次差分后已经基本平稳化，所以设定aRima模型参数d=1。
（二）aRima模型p和q的确定
利用aCF和paCF图对参数进行预判断（见图3），aCF图和paCF图数据都处于置信区间内。aRima模型p和q确定思路为：设定不同的p、q值，通过比较aiC（akaike信息准则拟合优度）、SBC（Schwarz贝叶斯准则拟合优度），取SBC较小的模型。
从表1的模型指标对比可以看出，模型aRima（2，1，2）比较合适预测入境游人数时间序列。
（三）入境旅游人次aRima（2，1，2）预测模型的应用
利用aRima（2，1，2）模型对陕西入境旅游人次数据进行拟合。预测结果及误差见表2。
（四）Bp神经网络预测aRima误差过程
由于aRima模型预测的误差只有1996～2004年，故Bp人工神经网络的总样本量n＝9。以1996～1999年、1997～2000年、…、2000～2003年aRima预测误差数据分组作为网络输入，2000、2001、…、2004年数据作为理想输出，组成样本数据对网络进行训练。计算前，先将数据归一化到[0.0620，0.7997]。
网络结构采用4-10-1的L－m算法Bp神经网络，计算得到该网络的权重和阈值如下：
w1=wi＝wt2=0.02102.0015-0.8524-1.4150-1.8743-0.5396-1.7241-0.25141.29761.4484b1=8.4179-0.4008-6.6974-0.45950.56781.0919-2.54040.7586-1.22460.2890
b2=[-0.7113]
设定L-m算法Bp神经网络的训练误差要求为10-7，经过9次训练，预测结果见表2。
根据表2可以看出，基于aRima和Bp神经网络的组合预测模型预测值与实际值的偏差比较小。另外单纯用aRima模型预测偏差较大，其绝对最大偏差为2004年的-8.7711万人次，最小绝对偏差为2001年的3.0418万人次。
从表2中可以看出近几年陕西省入境游客人次将逐年增加，在2009年以后增长的速度放缓，平均年增长率为4.4%。2013年陕西省接待入境游客的规模将达到169.3万人次，是目前接待人数的两倍左右。
五、结论
用aRima模型预测陕西省入境游人数的线性规律，用Bp神经网络预测入境游人数的非线性规律，形成组合预测模型，该模型同时包含线性和非线性规律，比单纯使用一种模型进行游客量预测的精度高，预测数据更合理、可靠。在2009年以后陕西省入境游客人次增长的速度放缓，平均年增长率为4.4%。表明近几年陕西省入境游客将持续稳定增长。由于旅游活动的影响因素众多，对旅游活动的预测往往很难做到绝对的准确，预测结果仍需等待实践的检验。
参考文献：
1、王磐岩,王玉洁.旅游规划中的旅游经济分析与预测问题[J].旅游学刊,2000(4).
2、武娇,刘新平.我国国际旅游外汇收入的时间序列预测模型[J].纺织高校基础科学学报,2001(1).
3、陈俊,陈兆雄,幸林.基于Bp神经网络的云南国际旅游需求预测[J].昆明师范高等专科学校学报,2005(4).
旅游市场预测篇4
[关键词]旅游经济；预警指数；模型构建；实证分析
[中图分类号]F59
[文献标识码]a
[文章编号]1002-5006（2017）04-0010-10
Doi：10.3969/j.issn.1002-5006.2017.04.007
2008年国际金融危机以来，我国政府高度重视旅游经济对宏观经济平稳运行的作用，将旅游经济运行分析纳入宏观经济分析体系，按季度形成分析报告。课题组自2008年开始承担我国旅游经济运行分析的专项任务，本文致力于将上述研究实践进行理论化和模型化，构建中国旅游经济运行的监测与预警模型，并进行实证检验。
1问题的提出和研究现状
1.1问题的提出
要实现旅游经济持续平稳健康运行的目标，既取决于良好的发展环境和市场主体的基础作用，也取决于政府部门加强对旅游经济的宏观调控能力，这些都要求全面掌握旅游经济运行总体情况，特别是其发展趋势，使政府和行业各方面加强预见性，制定宏观指导政策、加强预警、引导产业发展。然而，我国现有的旅游统计体系只有旅游市场和旅行社等部分产业的历史数据，缺乏旅游经济的全面数据，特别是及时性、趋势性等动态数据，加上分析预测方法和专业队伍有待完善，导致无法反映旅游经济运行全貌，无法进行形势判断和宏观决策。因此，在旅游领域开展经济运行分析具有必要性，只有建立一个统一的旅游经济运行监测与预警系统，将分散的旅游市场、产业、区域、环境、国际等数据和信息进行有机整合，形成科学的分析模型，并对旅游经济运行状态进行刻画、描述、推断、评价和警情预报等方面综合分析，实现对旅游经济态势进行综合监测和预警的功能，才能为我国旅游经济宏观调控体系建设和分类指导奠定坚实的科学基础，促进旅游经济发展的战略目标的实现。从理论上看，在中国开展旅游经济运行的分析，具有创新性。我国旅游经济运行监测与预警研究及其与宏观经济研究、国际旅游研究的经验交流，不仅影响着实践发展，也将对旅游经济学的方法和内容产生影响。
1.2研究现状
当前宏观经济监测与预警研究相对成熟，例如我国有代表性的“中经指数”和“高盛（中国）先行指数”等。国家统计局的中国经济景气监测中心经过建设，已经开发出中国经济运行景气监测系统，并中国经济景气运行月度报告。从行业层面来看，一些行业根据自身运行特点和规律开发了预警体系，如金融[2-4]、房地产业[5-6]、价格[7]、纺织行业[8]以及钢铁业、农业、互联网行业和环境保护等领域。旅游经济领域的监测预警研究也有所探索。近年来随着旅游安全事件引起广泛关注，学术界开展了较多旅游危机的预警研究[9-12]，还有研究关注了目的地发展[13]、旅游企业经营预警[14]，以及针对某一具体旅游行业或者旅游市场的景气研究，如饭店产业景气指数[15-18]、旅行社景气周期的指数化、旅游市场景气指数[19]等研究。张凌云等[20]在回顾国内旅游景气指数研究的基础上，提出了一套旅游景气指数编制的方法。值得关注的是，应用研究也在官方和非官方旅游组织和商业机构的推动下开展，例如世界旅游组织“全球旅游晴雨表”、国际旅游联合会定期的世界旅游经济报告。美国旅行协会数据中心定期的年度旅行力指数，对美国全国和各州旅游产业的经济运行状况进行监测，并预测发展趋势。一些主要的旅游咨询机构、大型旅游企业也定期针对整个旅游产业和具体行业经济运行和市场状况的研究报告及数据，为战略投资者和企业管理者提供决策参考。上述宏观经济、相关产业和旅游领域的相关研究文献为建设中国旅游经济监测与预警系统提供了可资借鉴的研究思路和方法模型。
自2008年以来，课题组将研究对象从传统的旅游市场、旅游产业扩展到包括旅游需求、旅游供给、政策设计与行政监管、旅游服务贸易在内的整个旅游经济系统，开展对旅游经济基本面的数据分析和发展预测。2013年，课题组出版《中国旅游经济o测与预警研究》一书，全面介绍了研究工作，同年筹建国家旅游经济实验室。2015年年初，获得联合国世界旅游组织尤利西斯研究创新奖，根据国家要求筹备旅游统计与经济分析中心，建设国家旅游局数据中心，建立游客调查体系等。在上述工作基础上，有必要对中国旅游经济运行监测与预警研究进行理论总结、模型化和实证检验。
2模型构建与实证分析
2.1模型设计
构建旅游经济运行监测与预警模型，首先要明确其原理、内容和方法等一般问题。模型设计必须建立在我国旅游经济运行规律和经济景气监测原理的基础上，才能成为准确、有效反映旅游经济运行态势的预警工具和方法。
2.1.1旅游经济运行的主要内容
基于旅游经济理论研究和产业实践两方面的考虑，课题组将旅游经济的内容定义为Cte，所包含的市场基本面定义为tm，产业基本面定义为ti，发展环境定义为tDe，信心判断指标定义为twC，得：
式中，teLai为旅游经济运行滞后指数，tmLai为旅游市场运行滞后指数，tiLai为旅游产业运行滞后指数。
2.1.3旅游经济运行预警指数
预警指数综合反映计算期内旅游经济运行的过去、现在和将来等状况，由旅游经济运行中的关键指标构成，既要考虑到旅游市场、旅游产业、发展环境、信心指标等旅游经济运行的各方面，也要考虑到先行指数、一致指数和滞后指数共同构成。
式中，teeai为旅游经济运行预警指数，f为预警指数与各项构成指标之间的函数关系。
研究设计还包括旅游预警灯号图和宏观调控措施、产业对策等分析内容。研究结果的范围包括内部和外部，形式上有内参、产业分析报告、新闻稿、旅游经济周报等（表1）。
2.2指标体系的确定
监测和预警是通过旅游经济的指标体系来实现的。指标体系构建应符合科学的原则和全面反映我国旅游经济运行特征，相关指标应具有代表性和明确的经济意义，对旅游经济运行的变化具有较高的灵敏度，指标数据应具有充足性、时效性和可用性，通常应可以获得月度或季度数据。
本模型筛选、确定的反映旅游经济运行的市场、产业、环境和信心等4大方面指标体系，总体上涵盖了旅游经济各个层面的主要指标，在该指标体系的基础上归纳出相应的旅游经济运行景气指数，即先行、一致、滞后指数。
旅游经济预警指数的确定，是根据指标代表性、及时性和有效性等原则，分别从先行、一致和滞后指标组中选择若干项重点指标，结合统计特征和专家经验，确定了表2所示的预警指标体系。
表2列出上述模型中的部分指标。在这些指标当中，也需要进行具体分析。例如国内旅游市场指标包含国内旅游人数和国内旅游收入。按消费主体划分，国内旅游人数可以分为城镇居民旅游人数和农村居民旅游人数，国内旅游收入可以分为城镇居民旅游花费和农村居民旅游花费；按消费时间划分，国内旅游人数可以分为国内一日游旅游人数和国内过夜旅游人数，国内旅游收入可以分为国内一日游旅游收入和国内过夜旅游收入。相应地，还可以统计城镇居民和农村居民的情况。依此类推，模型涉及的旅游经济指标逾千个。
2.3数据的收集和处理
旅游经济运行监测与预警系统的关键环节之一就是建立比较稳定的数据来源渠道，实现对旅游经济运行数据的掌握具有主动性和独立性，满足项目预先分析的需要。目前课题组获取数据的主要来源渠道有以下5个方面：（1）中国经济景气监测中心即时和月度的统计和调查数据；（2）国家旅游局统计部门和行业管理部门定期的统计和调查数据；（3）相关行业管理部门，如国家外汇管理局、交通部等定期的旅游相关数据；（4）行业协会或行业研究组织例等定期的统计和调查数据；（5）自行开展的旅游市场和旅游行业调查数据，其中又以产业景气调查获得的一手数据为主。
在我国旅游经济统计调查的内容和及时性尚不能满足监测和预警需要的条件下，本模型为此补充了一些指标，收集各类替代数据，模型获得的数据类型多样化。其类型除了可分为旅游市场、产业、信心、环境等之外，还有主观数据、客观数据；绝对数、相对数；成本型数据、效益型数据等。为了最终形成同质数据，需要根据我国经济景气指数的数值介于0～200之间的基本划分标准1，具体研究每一个指标数据标准化算式。
本文根据课题组公开至2014年的数据，对模型涉及的主要指数进行分析。由于数据指标较多和时间序列较长，以及许多数据可公开渠道获得，因此原始数据没有直接写入文中。指数的合成公式和方法在文中已有列出，参考文献包含详细合成过程，可实现可重复性的研究原则。
分行业监测与预警指数主要体现在表3中。旅游各行业运行情况等可以行业指标体系为基础，结合专题调查研究进行分析。课题组开发了中国旅游经济蓝皮书，国内、入境、出境和休闲等市场年度报告，住宿、旅行服务、景区和集团等产业年度报告等。旅游投资是本研究的重要指标，作为先行指标的关键内容，在监测分析中起到重要作用，在季度性分析中，投资也作为专门领域形成专题分析报告。旅游经济与宏观经济的关系，学术界已经有较多的研究，因此研究报告体系尚未专题关注，但随着时间序列的延长和数据的增加，进一步探讨两者关系已经成为必要。
2.4计算结果和检验
2.4.1预警指数
根据式（1）、式（6）、式（7）、式（8）、式（9），得计算结果如图1。结果显示，综合反映我国旅游经济运行情况的预警指数，2009年处于100以下的不景气水平，2010―2012年回升较快且总体处于100以上的景气水平，2013年再次下降至100以下。上述波动与2009年国际金融危机冲击及此后我国刺激旅游消费、扶持旅游产业发展相一致，十以来，我国旅游经济受政策转型的短期影响，也相应步入转型期。
从景气指数信号灯（表3）来看，2009年之后，基本是绿灯，显示旅游经济总体处于平稳发展状态。从构成指标的信号灯看，我国居民的国内消费和出境消费快速增长，景气较高；企业经营业绩较好，对前景相对乐观，这些都是预警信号灯相对稳定的有力支撑。
2.4.2旅游经济构成指数
2009―2014年，尽管国内旅游特别是出境旅游快速增长，但受入境旅游规模波动的影响，市场指数一直较低，总体处于冷或偏冷的不景气水平（表3）。产业指数则总体较高，处于稳定或偏热的景气水平，主要是受国内、出境旅游消费，以及行业创新活跃等因素推动。上述“市场冷、产业热”是近年来旅游经济运行的显著特点，显示入境旅游问题亟待解决，产业面繁荣的基础有待夯实1。数据还显示2009年之后，旅游发展环境也相对稳定，各季度的有利因素相对较多。受此影响，居民出游意愿、旅游企业家信心保持在较高水平，旅游经济运行总体相对乐观。
2.4.3旅游经济运行指数
分析表明，先行指数、一致指数c基准循环波动序列的波动趋势最为接近，先行指标和一致指标有明显的时差关系，先行指标的波动开始明显领先于一致指标，先于一致指标两个季度抵达第二次谷底，波峰的领先趋势也比较明显。图1显示，一致指数和预警指数走势大体一致，并且多数转折点出现在同一时点上。针对两个变量的统计检验和相关性分析结果如表4，结果可以看出，一致指数和预警指数时间序列的pearson相关系数为0.840，具有强正相关性。
2.4.4指标预测结果
对每个季度、年度做出下一时期内诸多经济指标的相应预测，是旅游经济监测预警系统的重要内容，特别是三大旅游市场的规模和收入预测尤为重要。课题组采取综合的时间序列分析方法构建不同的预测模型进行了相关市场预测，表5选取2009―2014年的相关预测结果和实际值。从mape值来看，只有2010年第一季度的国内收入误差超过了10%，其余预测结果精度都比较高，但总体略为保守。将上述预测值和实际值进行比较，并进一步测算预测精度，结果发现mape值仅为3%，小于10%的较高精度要求，预测结果比较理想。在各项指标预测的过程中，使用了包括RmSpe、mape等运算、检验。由于本研究成果的季度周期连续性、政府实际应用性等特点，特别是旅游经济概念、旅游统计口径的持续变化等影响，因此本研究也将实践检验、行业人士评价作为准确性的基本方法。从模型方法本身来说，异常情况不明显。过去数年的监测计算显示，结果的异常主要来自两方面，一是外部冲击，如宏观经济、流感疾病、安全、国内外形势等；二是对旅游经济的认识的变化及其带来的统计数据、统计口径等的变化。从研究经验看，决定对旅游经济运行分析工作有效性的因素，不完全是模型计算，而是工作体系完善、各类相关数据充足、日常分析积累以及经验形成和成果应用等多重因素。
3结论和建议
从实证分析来看，2009年国际金融危机冲击以来，我国旅游经济运行景气水平波动较大，总体不高。2010之后，预警指数处于平稳水平，运行趋势有所波动但总体趋好，发展潜力始终充足，经济结构不断优化。具体地说，国际金融危机冲击、十以来国内政策转向等环境因素影响很大，因此必须高度关注外部因素并建立宏观调控体系；在国内市场和出境市场的推动下，我国旅游经济平稳运行，产业运行和创新水平较高，但入境市场波动大，对模型指数产生较大影响；模型也显示，我国旅游经济运行存在的问题比较明确，突发因素冲击、三大市场结构失衡、产业体系相对单一、消费热点相对不足以及运行质量有待提升等。
从应用效果来看，模型基本满足旅游经济运行分析的要求，体系比较稳定。模型可以为面向政府的政策建议奠定实证基础，推动国家和地方旅游行政主管部门微观规制和市场推广等传统工作，并以全局意识、宏观思维和行业变量对旅游经济进行宏观调控和分类指导。从本课题的持续研究来看，研究缺陷主要体现在理论凝练、开放性的统计分析、数据广度深度、非线性处理、细化指标、变量关系分析等方面的不足，这些问题随着国家旅游局数据中心、旅游经济统计与分析中心、旅游经济实验室、旅游经济宏观调控理论体系建设和产业报告等工作的开展，正在逐步完善。
基于以上结论，本研究的持续性、开放性以及理论化应当是未来研究的基本方向，建议加快旅游经济运行监测与预警系统的应用并纳入我国各级旅游数据中心，建立我国各级政府的旅游经济调控和分类指导体系。具体要将该系统作为基础的旅游研究项目持续加强支持，增加研究队伍，优化模型方法、指标体系和研究体系，加强预警系统在宏观经济体系、地方旅游发展、行业交流和国际交流方面的应用。完善预警系统的政策转化效果，坚持以预警信息为导向的政府旅游宏观调控和分类指导体系。建议以本模型在研究旅游经济、服务政府和产业实践的过程中深化旅游经济学研究的理论认识和方法创新等为基础，推动以旅游经济运行监测与预警模型为核心的旅游经济学构建，推动旅游经济学不仅在于解释现象，更在于指导和推动实践，在与实践的交互建构中实现理论创新。
致谢：感谢旅游经济预警课题组成t陈旭、周晓歌、杨宏浩、战冬梅、何琼峰、吴丽云、夏少颜等人的工作。
参考文献（References）
[1]YuGenqian.UsermanualforintelligentChineseeconomicDatabaseandmonitoringSystem[m].Beijing：economySciencepress，2007：8.[余根钱，智能型中国经济数据库及监测系统用户手册[m].北京：经济科学出版社，2007：8.]
[2]ZhongBin.ChenHao.theory，indexandmethodoffinancialstabilitymonitoring[J].ShanghaiFinace，2004，（9）：33-35.[仲彬，陈浩.金融稳定监测的理论、指标和方法[J].上海金融.2004，（9）：33-35.]
[3]tangKexin.anempiricalstudyonfinancialbusinesscycleearlywarningbasedonBpalgorithm[J].economyproblem，2010，（11）：109-112.[唐可欣.基于Bp算法的金融经济周期预警机制实证研究[J].经济问题，2010，（11）：109-112.]
[4]GuntherwJ，moorRR.earlywarningmodelsinrealtime[J].JournalofBanking&Finance，2003，27（10）：1997-2001.
[5]HuangFL，wangF.asystemforearly-warningandforecastingofrealestatedevelopment[J].automationinConstruction，2005，（14）：333-342.
[6]maF，FengZY.empiricalresearchonrealestateearlywarningsystembasedonthetheoryofsystemcoreandcoritivity：takingpekingforinstance[J].internationalConferenceonwirelessCommunications，2008，（4）：1-5.
[7]ZhangHuazhong.pricemonitoringandForecasting[m].Beijing：Chinamarketpress，2006：4.[张化中.价格监测及预测预警[m].北京：中国市场出版社，2006：4.]
[8]KarfunkleR.Statisticalindicatorsofthetextilecycle[J].Businesseconomies，1969，（5）：13-17.
[9]prideauxB，Lawse，FaulknerB.eventsinindonesia：exploringthelimitstoformaltourismtrendsforecastingmethodsincomplexcrisissituations[J].tourismmanagement，2003，24（4）：475-487.
[10]RenXuehui，wangYue.Designingthesystemofprecautionandemergencyrescuedecisionfortouringsafetyaccidentsofcoastalcity[J].progressinGeography，2005，24（4）：123-128.[任w慧，王月.滨海城市旅游安全预警与事故应急救援系统设计[J].地理科学进展，2005，24（4）：123-128.]
[11]ZhaoHuaiqiong，wangmingxian.astudyontourismsecuritysystem[J].ChinaSafetyScienceJournal，2006，16（1）：17-21.[赵怀琼，王明贤.旅游安全风险系统预警[J].中国安全科学学报，2006，16（1）：17-21.]
[12]XieChaowu.ResearchontheconstructionofChinastourismsecurityearlywarningsystem[J].ChinaSafetyScienceJournal，2010，26（8）：170-176.[谢朝武.我国旅游安全预警体系的构建研究[J].中国安全科学学报，2010，26（8）：170-176.]
[13]HuoSongtao.ResearchontourismDestinationearlywarningSystem[D].Kaifeng：HenanUniversity，2006.[霍松涛.旅游目的地旅游预警系统研究[D].开封：河南大学，2006.]
[14]LiFeng.ResearchonfinancialwarningofstockmarkettourismenterprisesbasedonBpneuralnetwork[J].CoastalenterprisesandScience&technology，2007，（6）：142-144.[李锋.基于Bp神经网络的上市旅游企业财务预警[J].沿海企业与科技，2007，（6）：142-144.]
[15]DaiBin，YanXia，HuangXuan.astudyontheindustrycycleindexofChinatravelservices[J].tourismtribune，2007，22（9）：35-40.[戴斌，阎霞，黄选.中国旅行社产业景气周期的指数化研究[J]，旅游学刊，2007，22（9）：35-40.]
[16]YouHao，wuJin，ZhangFang，etal.Researchonsystemstoevaluatethecyclicalfluctuationsofstarhotels[J].tourismScience，2008，（12）：20-25.[游灏，伍进，张芳，等.星级酒店业景气波动的评价体系研究[J].旅游科学，2008，（12）：20-25.]
[17]YanXia.ResearchonChinaHotelindustryCycleindex[D].Beijing：BeijinginternationalStudiesUniversity，2008.[阎霞.中国饭店产业景气研究[D].北京：北京第二外国语学院，2008.]
[18]QinBingwang.a.StudyonCompositeindexofChinaseconomyHotelindustry[D].Shanghai：eastChinanormalUniversity，2009.[秦炳旺，我国经济型酒店景气指数研究[D].上海：华东师范大学，2009.]
[19]niXiaoning，DaiBin.evaluationandanalysisresearchofcompositeindexontouristindustryofChina[J].JournalofBeijinginternationalStudiesUniversity，2007，11：1-4.[倪晓宁，戴斌，中国旅游市场景气指数计算与分析[J]，北京第二外国语大学学报，2007，11：1-4.]
[20]ZhangLingyun，pangShiming，LiuBo.tourismprosperityindexresearch：Retrospectandprospect[J].tourismScience，2009，（10）：21-28.[张凌云，庞世明，刘波.旅游景气指数研究回顾与展望[J].旅游科学，2009，（10）：21-28.]
[21]DaiBin，ZhouXiaoge，LiZhongguang.ResearchontheChinatourismeconomymonitoringandearlywarning[m].Beijing：tourismeducationpress，2013：6.[戴斌，周晓歌，李仲广.中国旅游经济监测与预警研究[m].北京：旅游教育出版社，2013：6.]
旅游市场预测篇5
abstract:inboundtourismisanimportantcomponentpartofthedevelopmentofJiangsuprovincetourismindustry.thepaperusesgraycorrelationofgraysystemtheoryanalysistoanalyzetherelevancebetweenthetourismforeignexchangeearningsandthemajorsourcecountriesinJiangsuprovinceandestablishtheGm（1,1）GrayforecastingmodeltopredictthenumberofinboundtourismofmajorsourcecountriesinthefutureforJiangsuprovinceinboundtourismpolicy-making.
关键词：灰色理论；Gm（1，1）；旅游；预测
Keywords:graytheory；Gm（1，1）；tourism；forecast
中图分类号：F59文献标识码：a文章编号：1006-4311（2011）23-0300-02
0引言
灰色系统理论是20世纪80年代初期由邓聚龙教授创立的一门系统科学新学科，它以“部分信息未知”的小样本，“贫信息”不确定性系统为研究对象，主要通过对部分已知信息的生成、开发来提取有价值的信息，实现对系统规律的正确描述和有效控制[1]。灰色系统理论中最常用的是灰色关联度分析和Gm（1，1）模型。入境旅游在地区旅游业发展中占有重要地位，入境旅游人次数及旅游外汇收入是衡量地区旅游实力的关键指标，通过发展入境旅游可以增加旅游目的地非贸易外汇收入和就业机会，对地区经济发展具有重要意义。本文通过灰色关联度分析对江苏省旅游外汇收入与主要客源国入境人次数进行测量，并在此基础上利用Gm（1，1）模型对江苏典型创汇国未来入境旅游客流规模进行预测，获取江苏省近程和远程入境旅游旅游典型客源市场未来的发育信息，为江苏入境旅游决策提供决策依据和方法参考。
1江苏省旅游外汇收入的灰色关联度分析
灰色关联分析方法是在不完全的信息中，对所要分析研究的各因素，通过一定的数据处理，在随机的因素序列间找出其关联性，找到主要特性和主要影响因素。灰色关联度计算步骤[2]如下：
2江苏省典型创汇国入境旅游客流规模的灰色预测
2.1预测模型的建立根据2000~2008年江苏省旅游外汇收入与主要客源国入境人次数灰色关联度排序结果可知，美国、韩国是江苏省典型的旅游创汇国。因此，本文以美国、韩国的时间序列客流量变化趋势为例，运用Gm（1，1）模型建立灰色系统预测模型，根据相应原始数据计算后得到最终的Gm（1，1）预测方程（见表2）。
2.2模型精度检测
根据表3，后验差比值C=0.1873＜0.35，很好；小误差概率p=1.0000＞0.95，很好。
根据表3，后验差比值C=0.2144＜0.35，很好；小误差概率p=1.0000＞0.95，很好。
2.3模型分析预测由表4~表5的检测结果可以看出，模型①、②精度属于一级，可以对美国、韩国未来的旅游客流规模进行预测，预测结果见表6。
3结论
表1中灰关联度按大小排序的结果依次是美国、韩国、英国、瑞典、瑞士、澳大利亚、西班牙、法国、泰国、加拿大、菲律宾、意大利、日本、新加坡、俄罗斯、德国、马来西亚。其中，美国、韩国的入境旅游人次数与江苏旅游外汇收入的关联度极高。这说明在江苏的近程旅游市场中，韩国旅游市场对江苏旅游外汇收入的影响较大；在江苏的远程旅游市场中，美国旅游市场对江苏旅游外汇收入的影响较大。这种情形与江苏旅游业的发展情况是相符的，江苏省旅游发展专项规划中明确提出对韩国等近程旅游市场进行深度开发，稳固市场主体，同时大力开发美国等远程旅游市场，促进客源较快增长。从客源国本身的情况来看，美国作为世界第一大经济体，处于世界十大旅游支出国之列，长期以来一直是世界上最大旅游客源输出国；中国与韩国之间具有较深的文化渊源，文化交流的迅速发展对韩国旅游者产生了较强的吸引力。表6数据则表明，若无其它不确定性因素影响，美国、韩国的客流量将继续保持稳步增长的态势。
参考文献：
[1]邓聚龙．灰色系统基本方法[m]．武汉：华中科技大学出版社，1987．
[2]刘思峰等．灰色系统理论及其应用[m]．北京：科学出版社，2008．
旅游市场预测篇6
旅游市场趋势预测是旅游业发展战略和旅游规划与开发工作的重要基础依据，一直是旅游市场研究中最重要的内容之一。根据市场趋势预测的结果，旅游相关部门才可以制定合理的旅游规划，进行旅游资源的优化配置。旅游市场趋势预测是在对影响市场的诸因素进行系统调查和研究的基础上，运用科学的方法，对未来旅游市场的发展趋势以及有关的各种因素的变化，进行分析、预见、估计和判断。
近年来，旅游研究者对旅游市场趋势预测的方法进行了探索。目前主要有时间序列法、回归分析法、指数预测法、人工神经网络法。由于旅游市场的变化受到诸多因素的影响，导致旅游市场的趋势预测难度较大，但我们对预测精度的要求却越来越高。
本文是基于人工神经网络方法，提出使用遗传算法对人工神经网络进行优化，探索更精确、更适用于旅游市场预测现实状况的预测方法。
1方法概述
人工神经网络是近年来的热点研究领域，是人类智能研究的重要组成部分，已经成为神经科学、计算机科学、认知科学、数学和物理学等多学科关注的热点。其应用领域包括：分类、预测、模式识别、信号处理和图像处理等，并继续向其他领域延伸。
1.1Bp神经网络
Bp神经网络是一种多层前馈神经网络，该网络的主要特点是信号前向传递，误差反向传播。在前向传递中，输入信号从输入层经隐含层逐层处理，直至输出层。每一层的神经状态只影响下一层神经元状态。如果输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值和阈值，从而使Bp神经网络预测输出不断逼近期望输出。
图中，X1，X2，…，Xn是Bp神经网络的输入值，Y1，Y2，…，Ym是Bp神经网络的预测值，wij和wjk为Bp神经网络权值。从图可以看出，Bp神经网络可以看成一个非线性函数，网络输入值和预测值分别为该函数的自变量和因变量。当输入节点数为n，输出节点数为m时，Bp神经网络就表达了从n个自变量到m个因变量的函数映射关系。
1.2遗传算法
遗传算法（Geneticalgorithms）是1962年由美国michigan大学Holland教授提出的模拟自然界遗传机制和重托进货论而成的一种并行随机搜索最优化方法。它把自然界“优胜劣汰，适者生存”的生物进化原理引入优化参数形成的编码串联群体中，按照所选择的适应度函数并通过遗传中的选择、交叉和变异对个体进行筛选，使适应度值好的个体被保留，适应度差的个体被淘汰，新的群体既继承了上一代的信息，又优于上一代。这样反复循环，直至满足条件。
1.3遗传算法优化Bp神经网络的流程
遗传算法优化Bp神经网络分为Bp神经网络结构确定、遗传算法优化和Bp神经网络预测3个部分。其中，Bp神经网络结构确定部分根据按拟合函数输入输出参数个数确定Bp神经网络结构，进而确定遗传算法个体的长度。遗传算法优化使用遗传算法优化Bp神经网络的权值和阈值，种群中的每个个体都包含了一个网络所有权值和阈值，个体通过适应度函数计算个体适应度。遗传算法通过选择、交叉和变异操作找到最优适应度值对应个体。Bp神经网络预测用遗传算法得到最优个体对网络初始权值和阈值赋值，网络经训练后预测函数输出。
遗传算法优化Bp神经网络是用遗传算法来优化Bp神经网络的初始权值和阈值，使优化后的Bp神经网络能够更好地预测函数输出。遗传算法优化Bp神经网络的要素包括种群初始化、适应度函数、选择操作、交叉操作和变异操作。
1）种群初始化
个体编码方法为实数编码，每个个体均为一个实数串，由输入层与隐含层连接权值、隐含层阈值、隐含层与输出层连接权值以及输出层阈值4部分组成。个体包含了神经网络全部权值和阈值，在网络结构已知的情况下，就可以构成一个结构、权值、阈值确定的神经网络。
2）适应度函数
2实证分析
旅游客流量与当地旅游硬件及软件设施建设、各种交通设备的完善程度有着密切的关系。一个旅游地的交通设施完善程度决定了该景区的可进入性以及客源地到旅游地的时间距离，直接影响该景区游客量。此外，景区建设情况及旅游接待设施的建设情况决定着景区的吸引力。需要指出的是，由于信息传达的特性，游客数量对景区旅游相关条件改善的反应具有延迟性的特点。本文中，采用2000年以来北京旅客周转量、人均GDp、全国交通、a级及以上景区个数、北京公共交通运营线路长度、北京市基础投资，预测北京市旅游人数。
通过查询中国国家统计局及北京市统计局相关资料，得到全国人均GDp、全国交通、北京市旅客周转量、北京市a级及以上景区个数、北京市公共交通运营线路长度、北京市基础投资数据，如表1所示。
根据遗传算法和Bp神经网络理论，在matLaB软件中编程实现基于遗传算法优化的Bp神经网络进行预测。预测误差及真实值与预测值对比如图2、图3所示。
3模型的评价
旅游市场预测篇7
【关键词】入境旅游流；预测；模型；河南
引言
作为旅游活动的基本类型，入境旅游一直是我国旅游业发展的战略重点。旅游流指旅游者借助旅游交通从居住地到旅游目的地移动形成的客流，是客源地和目的地相互作用的一种形式。旅游流研究的主要内容是构建一套在不同条件下适宜的预测模型，对旅游流进行有效的预测，探讨其在时间序列上的演变规律，为旅游目的地基础设施建设投资、旅游饭店布局以及旅游人才培养等提供科学的依据；同时有助于科学制定地区旅游发展战略，开发适销对路的旅游产品，确定适当的旅游营销策略，不断开拓旅游客源市场。
一、相关研究进展
自从20世纪80年代旅游地理学将旅游流问题作为研究的一个主要内容正式提出以来，旅游流的研究越来越受到国内外学者的重视。1967年，H.B.Rodgers主持了英国试验性的全国游憩调查，研究了英国的休闲旅游流规律。R.H.t.Smith、J.n.H.Britton撰文讨论了旅游流的测定问题[1-2]，wolfe提出了旅游引力预测模型，并对旅游客流进行了空间分析[3]，williamsandzeljnsky提出了相对流指数（Relativeacceptanceindex）的概念和测算旅游流的方法[4]，Jean研究了“旅游流”对当地经济产生的影响[5]，pearce研究了“旅游流”的形成机理[6]。此后，国外学者又将研究重心转向国际旅游流的时空结构特征和演变。takKeeHui和ChiChingYuem运用季节性指数对新加坡的日本旅游者季节分布规律和成因进行研究[7]，wade等对坦桑尼亚国际旅游客源市场的空间结构和形成机理进行了分析[8]，Christine运用移动平均比率计算游客的月度季节性指数[9]，myriam使用旅游者集中指数、出游指数、比率指数和地理集中指数研究了欧洲地区旅游客源国和目的地的地理特征和相互关系[10]，Lim利用时间序列分析了韩国到澳大利亚游客的流量和影响因素[11]。在国内，陈建昌、保继刚是旅游流研究的最早实践者，他们根据游客的行为特征，总结了大、中、小三种不同尺度游客的空间流动规律。随后，唐顺铁、郭来喜对旅游流体系进行了深入研究[12]，吴必虎研究了上海城市游憩者在空间上的流动规律，分析了其形成机理[13]，马耀峰等利用旅游客流系统熵评价模型、吸引力和驱动力模型、旅游空间网络构建等方法研究了海外旅游流在我国的分布[14]。马耀峰、李永军采用地理空间分析方法研究了入境旅游流的空间分布状态与动态规律[15-16]，刘静艳、马耀峰研究了上海境外游客市场的结构特征、客流量变化规律及空间流动趋势[17]，马耀峰、李天顺等在实地抽样调查的基础上以北京、上海等12个旅游热点城市为例对我国入境旅游流的时空动态与变化规律进行了系统的研究[18]。黄泰研究了旅游流空间效应并提出等级式、据点式和线型扩散效应3种空间效应模式[19]。林岚等对航空口岸选择变化所引起的台胞大陆旅游流空间场效应进行了研究[20]；基于旅游流扩散转移的视角，刘宏盈对我国三大旅游圈入境旅游流向云南和陕西的扩散变化和历程进行了分析[21-22]；牛亚菲等分析了北京市整体及中心城区、郊区客流时空变化特征、典型景区的客流变化规律与变化动因，以及客流在时间和空间分布上存在的不平衡现象和旅游产品的供给、需求间的错位问题[23]。
国内外学者在旅游流研究方面取得了重大进展，对旅游流及其运行特征和时空演变过程的讨论、研究也日益深入和广泛，但是对旅游流的预测以及不同预测方法的局限性和针对不同预测结果的分析有待进深入研究。
二、河南省入境旅游流预测方法
（一）河南省入境旅游流数据来源
根据《中国旅游统计年鉴》（1986-2011）、《河南统计年鉴》（1986-2011）以及中华人民共和国国家旅游局官方网站，整理出1985-2011年河南省入境旅游量的原始数据，其结果如表1所示。
从表1可以看出，改革开放以来，随着我国宏观经济政策的调整和旅游大环境的改善，河南省入境旅游产业先后经历了快速发展阶段（1985～1988）、突滑阶段（1989～1990、2003）和再度恢复振兴阶段（1991～2002、2004～2011）交替演变的过程。特别是从20世纪90年代中期以后，随着中国宏观经济体制改革的深入和河南省入境旅游产业环境的不断优化，进入河南境内的入境游客数量总体上呈现持续、稳定、协调的快速发展轨迹。在整个入境旅游的演变轨迹中，1989～1990以及2003是两个突变点：1989～1990由于“”等因素的影响河南入境旅游流在短期内出现了下滑趋势；2003年传染性非典型肺炎，使河南省入境旅游流受到影响，入境旅游人数锐减，出现了短暂的下降趋势。但是这两个阶段的下滑趋势很快得到反弹，入境旅游人数由1990年的29500人次上升到1991年的89598人次；2003年的188576人次上升到2004年的450175人次，整体呈递增势头。此外，随着中国旅游市场的日趋成熟和加入wto后中国旅游市场对外资的全面放开以及2008年北京奥运会的成功举办，入境旅游人数迎来历史新高，入境旅游人数由2008年首次突破百万人次（1043580人次），到2011年飞跃为1682865人次，总体上，河南省入境旅游流规模已经迈入了高位快速增长阶段。
（二）时间序列回归预测法
1.原始数据处理
旅游市场预测篇8
[关键词]参展商；市场环境认知；结构方程模型；行为意图
[中图分类号]F59[文献标识码]a
[文章编号]1009-6043（2017）04-0107-03
abstract：astructuralmodelofmarketcognitionofexhibitorsisbuiltfromtheperspectiveofcognition，integratingcharacteristicsofexhibitormarketcognition.thepresumptivemodelisexaminedwithexploratoryfactorsandconfirmatoryfactors.inthemeantime，theimpactofexhibitormarketcognitiononanticipatedresultsandbehaviorintentionisanalyzedbybuildingastructuralequationmodel.ingeneral，thecognitiondegreeoftourismproductmarketisnothigh.theimpactofcomprehensivecognitionhasaprominentlypositiverelationwithanticipatedresultsandbehaviorintention.inaddition，theanticipatedresultsalsohaveapositiverelationwithbehaviorintention.
Keywords：exhibitor，marketenvironmentcognition，structuralequationmodel，behaviorintention
认知（Cognition）是指个体主动寻找信息、接受信息，并在一定的结构中进行信息加工的心理过程[1]。认知可以看作是一种知觉、记忆及讯息处理的心理历程，透过该历程，个人可以获得知识，解决问题，并计划未来[2]。鉴于当前研究的空白，本文以认知为视角，以中国国际旅游商品博览会（简称“旅博会”）为实证平台，通过对参展商的深度研究，剖析他们对当前市场的整体认知情况，并重点探讨参展商的市场认知对其当前的行为结果预期，即预期成果和未来的市场行动倾向，即行为意图的影响关系。
一、参展商市场认知结构模型构建
本文所提的参展商市场认知，是指参展商对市场的供给、需求、流通等流域的综合认识情况。这种认知的过程，可以看作是其对自身与市场环境之间关系的评估过程。而这种关系又可解读为外在的市场环境和参展商的内在市场动机之间的关系，即当前的外在市场环境对其内在的市场动机形成具体的市场目标和市场行为是否有利。该评估不仅取决于评价主体的内在因素，如企业因素、产品因素等，同时还受制于外在的需求、支撑、竞争等因素的影响。在已有的相关研究中，王朝辉等（2012）[3]对上海世博会旅行商（旅行社）的研究为本文的研究提供了很好的借鉴。
通过对参展商市场认知内涵的解读和已有研究成果的借鉴，本文从以下几个层面实现对参展商市场认知结构假设模型的构建：一是对商品的研发能力、供应能力、质量品质、价格优势以及市场竞争能力等反映供给市场的认知情况；二是对商品的市场需求潜力、需求规模、需求信息采集能力、消费者忠诚度等反映需求市场的认知情况；三是对商品流通平台、流通渠道、流通能力等反映商品流通市场的认知情况；四是对参展商自身市场动机的认知情况。依据上述4个层面，本文构建了参展商市场认知结构假设模型（图1）。该模型覆盖了参展商对商品供给、需求和流通等市场领域的认知，同时也涉及到参展商对自身市场动机的认知。
二、⒄股淌谐∪现结构实证过程
（一）测项发展
为方便研究，本文选择把中国国际旅游商品博览会（简称“旅博会”）参展商作为研究对象。“旅博会”不仅是国内外优秀旅游商品的集中展示平台，更是旅游商品交易的重要平台，是能够客观反映当前我国旅游商品流通水平和能力的重要载体。因此，通过对“旅博会”展会平台的认知，可以较为真实的反映出参展商对当前市场环境的整体认知情况。
基于上述思路，借鉴已有研究经验[4-9]，采用以下三个步骤来获取测项：（1）对已有的研究文献进行全面解读，找出已有的且已被验证的成熟测项；（2）自行发展一些测项，以弥补现有文献的不足和适应研究框架的需要；（3）将这些测项提交给“国家旅游商品研发中心”的部分研发人员，对他们进行初步调研，并根据他们意见对测项进行补充和修改。最终形成的调研问卷包括两部分：第一部分为客观题，主要了解参展商基本情况，包括参展商的地域分布、业务性质、行业年限、参展次数等；第二部分是以李克特5级尺度测量法设计的问题，共20个题项，主要是反映参展商对我国当前旅游商品市场的综合认识情况（简称“市场综合认知”）。问卷还增设了“预期成果”和“行为意图”问题项。如果被访者对问卷中的某个题项表示“非常认同”，就选择数字“5”，数字“1-4”分别代表“非常不认同、不认同、一般认同和认同”。
（二）数据收集与测项纯化
调查期间共发放问卷800份，其中722家参展商完成了问卷，回收率达90.25%。后经过对回收问卷的进一步筛选，去除有遗漏未填写和填写不清楚的问卷，共得到692份有效问卷。进行数据分析前先对20个指标进行测项纯化，其标准是：（1）测项与总体的相关系数小于0.4且删除项目后Cronbach'salpha值会增加者删除[10]；（2）旋转后因子载荷值小于0.5或同时在多个因子上的载荷值都大于0.5者删除[11]。根据上述标准，20个测项删除1个，剩下19个测项形成一个用于分析的量表。运用SpSS19.0统计软件对数据及变量进行信度和效度检验，数据信度可靠，因素分析的适合度较好，适合做因素分析。
（三）探索性和验证性因素分析
通过最优斜交转轴法（promax），样本数据测量指标汇聚成5个特征根大于1的有效因子，数据的前5个主因子的累计方差贡献率达到了67.54%，说明前5个因子保留了原始数据中的绝大部分信息，并将五个主因子分别记为F1、F2、F3、F4、F5。因子旋转后得到因子载荷矩阵表（表1）。进一步分析可看出，X1、X2、X3等3个变量在F1上有较大载荷；X4、X5、X6、X7等4个变量在F2上有较大载荷；X8、X9、X10、X11在F3上有较大载荷；X12、X13、X14、X15在F4上有较大载荷；X16、X17、X18、X19在F5上有较大载荷。
根据探索性因素分析结论，利用amoS17.0将5个公共因子及其对应的测量指标建立“市场综合认知”测量维度二阶验证模型，并对样本数据进行模型适配，对设定模型进行参数估计、显著性检验和适配度评估。模型拟合指标、内在结构适配度、效度等方面均达到标准要求。验证性因素分析的结果证明了19个测项与5个因子之间，以及5个因子与“市场综合认知”之间的关系是存在的，且具有良好的稳定性，并对各因子进行命名：F1为“事件认知”；F2为“平台认知”；F3为“供给认知”；F4为“需求认知”；F5为“动机认知”。
三、市场综合认知与预期成果及行为意图关系的模型验证
利用amoS17.0构建市场综合认知与预期成果及行为意图的结构方程模型，并对样本数据进行模型适配，并对设定模型进行参数估计、显著性检验和适配度评估，检验结果显示各项指标均符合要求。进一步分析看出（图2），一阶观测变量的因素载荷（标准化路径系数）在0.66-0.84之间，其中24个指标因子载荷在0.71以上。一阶潜变量到市场综合认知二阶潜变量的标准化路径系数介于0.54-0.81之间，其中4个指标因子载荷在0.71以上，且均达到显著水平。市场综合认知对预期成果和行为意图的标准化路径系数分别为0.585和0.522，并在0.001水平上通过了显著性检验；预期成果对行为意图的标准化路径系数为0.177，p值为0.007，在0.01水平上通过了显著性检验。
四、研究结论
（一）从整体认知看，经营商对当前旅游商品市场的认知度并不高
从调查问卷的分析结果看，经营商对19个测量指标的认同度均值为3.89，低于“认同”。具体到5个维度，经营商除了对旅游类展会的品牌价值和影响力的认知情况，即“事件认知”维度的认同度均值为4.03，略高于“认同”外，对其它诸如反映展会的布展理念、宣传力度、设施配套和服务水平等展会硬件质量和配套服务的“平台认知”，反映旅游商品供给和需求的“供给认知”、“需求认知”等维度的认同度均小于4，也即低于“认同”。其中，对“平台认知”的认知度最低，均值仅为3.74。这说明，作为以旅游商品展销为主题的旅游类展会，“旅博会”等虽然在业内的影响力较高，但是展会本身布展理念、宣传力度、设施配套和服务水平仍有待提升，尤其是宣传力度，认同度均值仅为3.58，在19个指标中认同度最低。这在参展商的地域分布比例上也得到了印证，以“旅博会”为例，在所有的参展商中，来自浙江省内的参展商占到42.9%，远远高于其它地区的参展商构成比例，这说明展会在国际上，甚至省外的知名度还比较低，宣传力度还有待进一步加强。另外，“动机认知”维度的均值为3.95，其中除了力求推广产品，扩大销售量的市场动机较明确外，其它的动机并不明确
（二）从市场综合认知的影响看，其对预期成果和行为意图都有着显著的正向影响关系；同时，预期成果对行为意图也有着正向影响关系
从对市场综合认知的影响看，市场综合认知对预期成果和行为意图的标准化路径系数分别为0.585和0.525，预期成果对行为意图的标准化路径系数为0.177，且均通过了显著性检验。从具体的影响效用来看，市场综合认知对预期成果的影响效用为0.585，预期成果对行为意图的影响效用为0.177。由于市场综合认知对行为意图存在直接影响的同时，又通过预期成果形成间接影响，因此市场综合认知对行为意图总的影响效应为直接影响效与间接影响效用之和，也即0.629（0.522+0.585*0.177）。这说明，参展商对旅游商品市场的综合认知结果对其当前的市场行为结果预期和未来的市场行动倾向有着显著的正向影响关系。即良好的市场供需和流通环境，加上良好的市场动机能够使参展商对旅游商品市场前景充满信心，并促使其进一步加大产品的研发生产、营销推广、品牌塑造等的投入力度，最终形成良性运转的市场环境秩序。另外，大型旅游类展会能为参展商提供更为高效和集中的市场信息搜集平台，使其能够及时了解旅游商品市场的需求和供给信息等。如若参展商对参加展会的成果有着较为理想的预期，则会进一步增强其对未来市场的信心，并把这种信心付诸于未来的市场决策和市场行为当中。
[参考文献]
[1]方俊明.认知心理学与人格教育[m].西安：陕西师范大学出版社，1990：64
[2]白凯，马耀峰，等.西安入境旅游者认知和感知价值与行为意图[J].地理学报，2010，65（2）：244-255
[3]王朝辉，陆林，夏巧云.上海世博会旅游参展商市场感知维度及其行为影响研究[J].旅游学刊，2012，27（3）：43-51
[4]周志民.品牌关系指数模型研究：一个量表开发的视角[J].营销科学学报，2006，2（2）：24-40
[5]王朝辉，陆林，夏巧云，等.重大事件游客感知价值维度模型及实证研究-以2010上海世博会国内游客为例[J].旅游学刊，2011，26（5）：90-96
[6]徐洁，苑炳慧，参.展商对展馆服务的满意度研究[J].旅游科学，2008，22（6）：61-69
[7]罗秋菊，保继刚.参展商参展目的、绩效评估及其相关关系研究[J].旅游科学，2007，21（5）：57-65
[8]Herbig，p，palumbo，F，o'Hara，B.Differencesintradeshowbehaviorbetweenmanufacturersandservice-orientedfirms[J]JournalofprofessionalServicesmarketing.1996，14（2）：55-78.
[9]Hansen，K？re.measuringperformanceattradeshows：Scaledevelopmentandvalidation[J]JournalofBusinessResearch.2004，57（1）：1-13
旅游市场预测篇9
论文关键词：情景规划市场旅游规划设计商业战略
情景规划是理清扑朔迷离的未来的一种重要方法。它要求先设计出几种未来可能发生的情形，接着再去想象会有哪些出人意料的事情发生。这种分析方法可以开展充分客观的讨论，使战略更具弹性。情景规划与其它传统的战略规划方法不同，它考虑到战略的模糊性与不确定性，使得规划从“毕其功于一役”的短期活动，转化为持续性的研究方案。将情景规划的理念引入到旅游规划设计中，能够突出市场的作用，使其发挥旅游规划商业战略分析的作用更为明显。
一、情景规划在旅游规划设计中的商业战略作用
情景规划的第一个作用是管理工具。壳牌石油公司运用它成功地预测到发生于1973年的石油危机，令情景规划第一次为世人所关注。当时传奇式的情景规划大师，法国人皮埃尔·瓦克领导着壳牌情景规划小组。该小组于1972年构建了一个名为"能源危机"的情景，他们想象，一旦西方的石油公司失去对世界石油供给的控制，将会发生什么，以及怎样应对。在1973年至1974年冬季opeC(石油输出国组织)宣布石油禁运政策时，壳牌公司已有良好的准备，成为惟一一家能够抵挡这次危机的大石油公司。现在，从一定意义上说，情景规划已经成为大公司通用的分析工具之一。
情景规划的核心作用，就是改变一个组织的理念、思维方式、分析方式及研究方式。因为它是一套可以在高度不确定的环境中帮助决策者高瞻远瞩地进行分析的方法，所以不仅能帮助决策者进行一些特定的决策，同时也能使决策者对需要变革的信号更为敏感。情景规划如果不能影响决策者的心智模式，不能引导组织的变革，那么对组织来说，它也很难创造真正的价值。诚如皮埃尔·瓦克所言：“除非我们能够影响重要决策者对于实际状况所持的心智印象，否则我们对未来的各种看法就像是洒在石头上的水一般，四散而无法凝聚。”
情景规划的第三个作用是提供了一个预防机制，让管理者处变不惊。因为情景规划是在问题发生前假想可能发生的情景，并做出反应，所以当想象过的情景真正出现的时候，就能够从容和周密地加以应对。在旅游景区的规划设计中，我们经常会感到缺乏特色和个性，设计上追赶所谓的潮流，求大、求洋、求多、求全。而如果运用情景规划的方法，便能提前预测可能发生的资源浪费和不良的市场反应。因此，这对设计团队提出了很高的要求，需要更多地从旅游者的角度出发，研究旅游者所接触的情景，研究旅游者的需求，设计旅游者的体验。如果只从经营者自己的概念出发，就会天马行空地出现许多并不关注游客，但自我感觉很好，市场反应不尽理想的旅游产品。
情景规划可以推测出将来的市场价值取向、技术发展方向以及政府的政策等情景。所以这个工具有系统、科学的一面，但同时又必须发挥想象力，把复杂的决策过程感性化，使其能够被更好地把握。
二、情景规划如何使旅游规划设计创新
1.发挥市场的积极作用
运用市场情景规划的工具建立一个良好的市场导向方案，首先要了解旅游者究竟需要什么，为什么对这个地方感兴趣，创造什么样的产品才能使他们感兴趣，这是对市场调查的基本要求。目前，我们在旅游市场调查方面，即使有了具体实际地进行市场调查的观念，现实中很多调查的原始数据的准确性仍然有限，所以，一般的方法是数据分析和专家分析相结合。但这又带来一个问题：专家的感受和眼光实际上并不能代表旅游者的眼光。所以，在市场调查的基础上，应更多地考虑旅游者的感受，并研究市场的前瞻性。近二十年是中国经济社会发展最快的时期，消费现象的变化极快。每当我们意识到适应需求的时候，可能已经落后于市场潮流了，而市场前瞻在本质上应当是引导潮流。这个工作难度很大，首先要做好相应的预测，然后再研究如何引导，由此情景规划分析工具预测变化、预防风险的作用就体现出来了。
市场需要培育，特别是培育终身顾客和挖掘潜在需求。当前技术迅猛发展，消费取向千变万化，企业需要通过市场的前瞻来培育一个现实的市场。在我国，旅游是新兴的市场需求，如果能考虑到各年龄层的市场培育，尤其是孩子的市场，这样，从小培养起来的旅游消费者，往往以后就是终身旅游消费者。
2.差异与特色
旅游规划应该强化每个地方的特色。针对不同的特色资源，突出差异性、惟一性，提升其在市场上的竞争力，形成相对的垄断优势，才能占领市场、吸引游客。只有创造性地使自然及人工美汇于一处，发挥其特色，旅游产品才能真正地满足游客的需求，才能成为具有竞争力的旅游区域。
总之，要坚信有特色，不存在绝对没有特色的项目，其次是如何把特色挖掘出来，最后要落实到如何强化特色上来。情景规划正可以帮助规划者更准确地抓住每个地方的特色，并进行判断，从而推动规划设计中的创新。
三、最终目标
设计行业本身都有共同的特征，即设计的产品创新。创新需要创意，创意需要追求差异，差异产生特色，特色产生吸引力，吸引力提升竞争力。情景规划正是为设计者提供了一个预期的平台，使我们的想法和设计的创新得到更多的支持，这也是情景规划在旅游规划设计中的商业战略作用。情景规划的预测为旅游者创造出全身心的感受，追求差异、形成特色，最终达到提升项目和景区市场竞争力的目的。
参考文献：
①魏小安、魏诗华：“旅游情景规划与项目体验设计”，《旅游学刊》，2004.1。/
旅游市场预测篇10
[关键词]旅游企业；风险暴露；建议对策
1引言
20世纪90年代以来，我国出入境旅游外汇收入占GDp的比重逐年上升，对整个国民经济的贡献巨大。由于国际金融市场的动荡，尤其是各国普遍采取浮动汇率制，使国际旅游支付和服务贸易中存在着一定的旅游外汇风险。因此，旅游企业如何充分认识旅游外汇风险的概念和产生原因，采取有效措施努力规避旅游外汇风险带来的损失，就显得至关重要。本文以国内上市旅游公司为对象，对其外汇风险暴露进行了实证分析研究，从而提出一定的建议供相关旅游企业参考。
2文献综述
陈学胜，周爱民（2009）以沪市180指数样本股作为研究对象，通过测量上市公司经营活动产生的现金流相对贸易加权汇率指数及我国主要贸易伙伴货币汇率变化的敏感度，来考察我国企业的外汇风险暴露问题。戴夫（2011）运用资本市场法对我国电子信息产业外汇风险暴露水平进行研究，结果表明88%的样本企业存在显著的外汇风险暴露，且汇率波动对样本企业的影响存在滞后性。樊怿霖、李虹含（2015）通过沪深300能源指数以及其成分股为代表对我国银行业上市公司外汇风险暴露进行实证分析，使用资本市场法对我国上市商业银行外汇风险暴露进行测度，结果表明我国50%的上市银行存在显著的外汇风险暴露，提出加强外汇风险暴露的监测和管理、加强对银行持有外汇头寸的主动管理等相关对策。
总之，国内对企业外汇风险暴露的研究起步较晚，并且对非金融服务业尤其是旅游业的研究不多。现在虽然有关于旅游业和汇率关系的研究，但是对企业外汇风险暴露缺乏研究，本文将进一步充实研究样本，改进研究方法，以全面测度上市旅游业企业外汇风险暴露程度。
3上市旅游企业外汇风险暴露测度的实证研究
在外汇风险暴露的相关研究中，主要使用资本市场法和现金流量法。由于我国汇率制度正在经历结构性变化，股权价值是公司未来现金流贴现的总和，利用资本市场法估计外汇风险暴露是一种前瞻性预测，资本市场法相比现金流量法更具优势和现实意义。所以本文选择使用资本市场法测度外汇风险暴露。
（1）样本数据的选取
本文选取国内上市的旅游公司18家为样本，样本区间为2009年12月31日至2014年12月31日，使用数据为季度数据。本文所选的汇率为直接标价法下的人民币对美元汇率。组合收益率用沪深300指数代替。短期无风险利率用1年期定期存款利率代表。股票收益率用每家股票的a股股价的收益率来计算。
股票的收益率为对股票n在第t个交易日的收盘价比股票n在第t-1个交易日的收盘价的商取对数，用Rn代表。汇率的变动率为对第t期的名义汇率比第t-1期的名义汇率的商取对数，用Xt代表。市场组合收益率为对沪深300指数在第t个交易日的收盘价比沪深300指数在第t-1个交易日的收盘价的商取对数，用Rm代表。
（2）模型设定
本文提出以下形式的资本市场模型来测度22家公司的外汇风险暴露：
（3）模型估计结果
下面测度人民币汇率变动对上市旅游企业价值的影响。
首先通过相关性检验，多重共线性检验，发现各变量并不存在严重的相关性和多重共线性。因此，对上市旅游企业模型选取进行普通最小二乘法进行估计。
回归结果可知，如下表所示旅游、黄山旅游、国旅联合、桂林旅游、大连亚圣、北京文化这六家公司存在外汇风险暴露，并且暴露风险都为正。
（4）实证结果的分析
其中，北京文化公司定位于北京地区文化娱乐、商业服务、旅游服务等区域功能。旅游服务收入近五年占总收入平均90%以上。
大连圣亚公司主营大连地区旅游业相关经营和建设，其旅游服务收入近五年占总收入平均85%以上。
旅游公司是自治区唯一一家以旅游、文化传媒为主业的上市公司，主营地区旅游以及其他相关的旅游服务业务。旅游服务收入近五年占总收入平均70%以上。
国旅联合公司主营苏杭一带旅游产业投资，旅游信息咨询服务，旅游服务收入近五年占总收入平均90%以上。
桂林旅游公司是桂林唯一的旅游类上市公司，拥有的游船数量约占桂林市漓江游船总数的36%；拥有出租汽车占桂林市出租汽车总量的16%。旅游服务收入近五年占总收入平均90%以上。
黄山旅游主营基于黄山旅游相关的业务。旅游服务收入近五年占总收入平均90%以上。
Cnn2014年评出的中国十大旅游胜地除丽江、三亚、九寨沟外都属于以上六家企业经营范围之内，这也导致这六家旅游企业受人民币汇率变化影响比较大。也可以解释为何六家企业存在外汇风险暴露。
4对策建议
随着我国经济结构的调整，可以预知，我国旅游企业将会越来越多的面临外汇风险。而从上文已知，现在上市旅游企业存在风险暴露的已经有1/3，控制风险暴露，降低外汇风险日益重要，因此，根据外汇风险规避与管理的理论，结合现代国际旅游和旅游服务贸易的实践本文提出以下建议。
（1）提高旅游外汇风险管理意识和能力
加强旅游外汇风险的规避和管理，首先必须增强旅游外汇风险意识，提高对旅游外汇风险规避和管理的能力。
（2）加强对汇率变动的分析和预测
规避旅游外汇风险，必须准确把握国家的宏观政策和外汇管理政策，重视和加强对外汇市场的研究，密切关注外汇市场汇率变动情况和影响因素，及时分析和预测汇率变化的趋势，并结合旅游企业的经营实际，采取有效的规避外汇风险的必要措施。
（3）重视对计价货币的选择和搭配
在旅游产品报价时，必须按照有利于吸引客源、增加利润、方便结算的原则，重视对计价货币的合理选择和搭配。
（4）灵活运用旅游合同的条款规避旅游外汇风险
其通常是采取以下两方面的常用方法和具体措施。一方面，可通过在合同中加列保值条款来规避外汇风险。另一方面，可通过在合同中明确规定接待细节来规避旅游外汇风险。
（5）合理开展各种结汇业务
规避旅游外汇风险，旅游企业除了应留存足够的外汇额度，也可以通过与银行合理开展各种结汇业务，来规避或降低外汇风险。具体方法主要有即期合同法、远期合同法、借款法、投资法。
参考文献：
[1]陈学胜，周爱民.新汇率体制下中国上市公司外汇风险暴露研究[J].经济管理，2008（8）：31-35.